MMApr, 2021

ASFM-Net: 非对称孪生特征匹配网络用于点云补全

PDF
TL;DR本文提出了一种基于 Asymmetrical Siamese Feature Matching 策略的点云自动完成网络 ASFM-Net，利用 Siamese 自动编码器神经网络和迭代精细化单元来捕捉详细的形状先验信息， 在 PCN 数据集和 Completion3D 基准测试中表现出卓越的性能，并且以 12% 的优势赢得了 Completion3D 排行榜的第一名。
object completionpoint cloudssiamese auto-encoderiterative refinement unitfine-grained details
发现论文，激发创造
  • 基于边界积分的流形曲面一致点定向

    提出了一种新的方法来为从多重曲面采样的点云生成全局一致的法线。通过边界能量最优化，恢复全局调和性以恢复全局一致的法线。与现有方法相比，在噪声、异常值、复杂拓扑和薄结构方面表现出更强的鲁棒性。

    Jul, 2024

  • 从单目 RGB 视频生成富有表达力的高斯人类虚拟形象

    本研究聚焦于通过学习来自单目 RGB 视频的人类化身的表现力，介绍了一种可驾驶的人类模型 EVA，该模型通过基于 3D 高斯分布和 SMPL-X 的精细塑造，旨在提升表现力；研究重点包括解决 SMPL-X 模型与 RGB 帧对齐的重要性、上下文感知的密度控制策略以及预测的反馈机制。在两个基准测试上进行的大量实验证明了我们的框架在定量和定性上的优越性，尤其在手部和面部细节方面。

    Jul, 2024

  • 基于辐射校正的光学建模方法用于去除城市场景 TLS 点云中的反射噪声

    基于几何光学模型和物理性质的反射噪声消除算法，提高了 TLS 点云中的虚拟点检测精度，并通过在 3DRN 基准数据集上的实验证明了算法的有效性。

    Jul, 2024

  • RMS-FlowNet++: 大规模点云的高效稳健多尺度场景流估计

    RMS-FlowNet++ 是一种新颖的端到端学习架构，用于准确且高效地估计场景流动，可以处理高密度的点云。

    Jul, 2024

  • 学习局部形状函数的无符号距离场用于三维表面重建

    利用局部形状函数学习无符号距离场（UDF）的神经框架 LoSF-UDF，从 3D 点云重建表面，无需针对具体形状进行训练，并且对于点云中的噪声和异常值表现出增强的鲁棒性。

    Jul, 2024

  • Point-SAM: 可提示的点云三维分割模型

    通过使用基于 Transformer 的方法在 3D 空间中扩展了 Segment Anything Model（SAM），我们提出了一种 3D 可提示分割模型（Point-SAM），利用部分级和对象级注释，从 SAM 中生成伪标签，将 2D 知识提取到我们的 3D 模型中，并在室内和室外基准测试中优于最先进的模型，展示了多种应用，如 3D 标注。

    Jun, 2024

  • FASTC：一种快速的基于注意力机制的点云语义可通行性分类框架

    使用点云进行地形可通过性评估，通过新的柱状特征提取模块和时空注意力模块，实现了更高的性能和更准确的评估结果。

    Jun, 2024

  • 基于支持向量回归的完整参考点云质量评估

    该研究提出了一种基于支持向量回归的准确的全参考点云质量评估方法，通过整合五种基于全参考的度量标准，并使用支持向量回归进行快速预测，实现了对压缩失真、高斯噪声和降采样等多种降级类型的准确评估，其性能优于传统的全参考点云质量评估方法，并且比使用复杂特征（如曲率和多尺度特征）的最新方法更快速和精确。

    Jun, 2024

  • 自助学习多模态预训练在 3D 目标检测中的应用

    通过使用与图像相关的 shelf-supervision 模型对配对的 RGB 和 LiDAR 数据进行无监督预训练，我们提出了一种能够生成零样本 3D 边界框的点云表示方法，这种方法在半监督检测中能够显著提高检测准确性，尤其适用于 LiDAR-only 和多模态 (RGB + LiDAR) 检测。我们在 nuScenes 和 WOD 上展示了我们方法的有效性，并在有限数据环境中明显改进了之前的工作。

    Jun, 2024

  • 基于谱图小波的全参考点云质量评估

    本研究介绍了一种基于谱图小波的全参考点云质量评估方法，利用新颖的基于谱图小波的度量标准对参考和失真点云之间的坐标和颜色信号进行比较，并通过支持向量回归将多个传统全参考度量标准和基于谱图小波的度量标准整合，从而实现准确的点云质量评估。实验结果表明，所提出的点云质量评估标准与主观质量评分更准确地相关联，相比传统点云质量评估标准效果更好。

    Jun, 2024